国产大模型真的进入了“按月迭代”的魔鬼节奏！
今天同步一份来自业内大神 @karminski-牙医 的超硬核实测。这次总计消耗了约 **4000 万 Token**，全方位覆盖了 MiniMax-M2.5 的编程、Agent、长上下文等实战指标。
==========================================
核心实测数据一览
● **指令遵循（洛希极限）**：部分遵循率 80%，完全正确率 65.9%。
● **物理仿真（大象牙膏/鞭炮测试）**：物理细节大幅提升，4 substep 迭代下几乎无穿模，工程严谨性亮眼。
● **长文本召回**：均值 **96.7%+**（注：由于存在无参考召回异常，此分数仅供参考）。
● **Agent 专项测试（外卖骑手场景）**：
- 总分 599，较 M2.1 提升 **42.8%**；
- 准时率从 48.4% 激增至 **69.6%**；
- 每公里利润提升 36.5%。
==========================================
性能与并发表现
最让开发者惊喜的是响应速度：
● **输出稳定性**：稳定在 **100 token/s**。
● **架构优势**：10B 激活参数配合极高 API 并发，在大规模 Agent 场景里简直是“吞吐量神器”。
==========================================
总结与评价
大神一句话评价：“这版 M2.5 是性价比+实用性都在线的升级版，值得重点关注。”
目前看来，M2.5 并不是在追求学术榜单的极限，而是在追求**“更好用、更快速、更便宜”**的工业级交付。
社区的小伙伴们，你们对这波 100 tok/s 的输出速度有体感吗？这种高吞吐模型对你们的智能体工作流有多大提升？欢迎评论区交流！
